Python数据分析：pandas玩转Excel （二）

1 对Excel文件的操作

方法一：

使用xlrd库或者xlwt库进行对excel表格的操作读与写；

方法二：

pandas库同样支持excel的读写操作；且更加简便。

2 pd.read_excel( )的参数

读Excel文件

df=pd.read_excel(io,
               sheet_name=0,     # 工作表名称  
               header=0,         # 指定作为列名的行
               names=None,       # 指定列的名字，传入一个list数据
               index_col=None,   # 指定列为索引列
               usecols=None,     # 读取指定列
               squeeze=False,    # squeeze为True时，返回Series，反之返回DataFrame
               dtype=None,		 # 设置数据类型
               engine=None,
               converters=None,	 # 强制规定列数据类型
               true_values=None,
               false_values=None,
               skiprows=None,	  # 省略指定行数的数据,从第一行开始
               nrows=None,		  # 需要读取的行数
               na_values=None,
               parse_dates=False, # 解析指定参数为日期
               date_parser=None,
               thousands=None,
               comment=None,
               skipfooter=0,      # 跳过末尾n行，从尾部数的行开始
               convert_float=True,
               **kwds)

2.1 参数（全）

1.**io **：str, bytes, ExcelFile, xlrd.Book, path object, or file-like object；说白了，读取文件存储路径的文件

Excel文件的存储路径

import pandas as pd
io = "D:/项目/资料/Books.xlsx"

2.sheet_name ：str, int, list, or None, default 0 ；说白了，要读取的工作表名

字符串用于工作表名称。整数用于零索引工作表位置。字符串/整数列表用于请求多张纸。指定无以获取所有工作表。

可用案例：

Defaults to 0：第一个工作表作为DataFrame
1：第二个工作表作为DataFrame
"Sheet1"：加载名称为"Sheet1"的工作表
[0, 1, "Sheet5"]：加载第一，第二和名为“ Sheet5”的工作表作为DataFrame的字典
None：所有工作表。

import pandas as pd
io = "D:/项目/资料/Books.xlsx"

df = pd.read_excel(io,sheet_name="Sheet1")
print(df)

结果：

   ID      Name   喜欢   折扣  价格
0    1  Book_001   10  0.5  11
1    2  Book_002   20  0.5  12
2    3  Book_003   30  0.5  12
3    4  Book_004   40  0.5  12
4    5  Book_005   50  0.5  12

3.header：int, list of int, default 0；说白了，指定哪一行作为列名，一般可以不写，省略

指定作为列名的行，默认0，即取第一行，数据为列名行以下的数据；
header = [0,1] ：前两行作为多重索引列名
若数据不含列名，则设定 header = None；

4.names：array-like, default None；说白了，指定列的名字（array-like：类似数组，类数组）

一般适用于Excel工作表缺少列名，或者需要重新定义列名的情况；
注意：names的长度必须和Excel工作表列长度一致，否则会报错；
names=['a','b','c'] 把 a , b , c作为3个列的列名

5.index_col：int, list of int, default None；说白了，把哪一列作为索引

可以是工作表列名称，如index_col = 'ID'；
可以是整型，如index_col = 0 ，把第一列作为索引
可以是整型列表，index_col = [0,1,2]，把第一、二、三列作为索引，并返回多重索引。

6.usecols：int, str, list-like, or callable default None；说白了，读取哪些列

如果为None，则解析所有列。
如果为str，则表示Excel列字母和列范围的逗号分隔列表（例如“ A：E” 或 “ A，C，E：F” ），范围包括双方。
如果列表为int，则表示要解析的列号列表。
如果列表是str，则表示要解析的列名称列表。

0.24.0版中的新功能。
如果可调用，则针对它评估每个列名称，如果可调用返回，则解析该列True。

根据上述行为返回列的子集。

0.24.0版中的新功能。

7.squeeze：bool, default False；说白了，数据仅包含一列，就是返回一个一维数组，有返回值

squeeze = True ，说明数据仅包含一列，那么返回一个 Series.
反之返回DataFrame。

8.dtype：Type name or dict of column -> type, default None；说白了，就是设置数据类型

数据或列的数据类型。
例如 {‘a’: np.float64, ‘b’: np.int32} 使用对象保留存储在 Excel 中的数据，而不是解释 dtype。
如果指定转换器，它们将应用 dtype型转换。
dtype = float意味着，把data数据中能转化为float的全部转化成float，不能转换的保持原来状态

pd.read_excel('tmp.xlsx', index_col=0,
...               dtype={'Name': str, 'Value': float})  
       Name  Value
0   string1    1.0
1   string2    2.0
2  #Comment    3.0

9.engine：str, default None；

如果 io 不是缓冲区或路径，则必须将此设置为标识 io。可接受的值为"None"、"xlrd"、"openpyxl"或"odf"。

10.converters：dict, default None；说白了，强制规定列数据类型

用于转换某些列中的值的函数的字典。键可以是整数或列标签，值是具有一个输入参数，Excel单元格内容并返回转换后的内容的函数。

converters = {'分数': str, '场次': int}，将“分数”列数据类型强制规定为字符串（pandas默认将文本类的数据读取为整型），“场次”列强制规定为整型；
主要用途：保留以文本形式存储的数字。

11.true_values：list, default None

值被认为 True

12.false_values：list, default None

值被认为 False.

13.skiprows：list-like；说白了，跳过指定的行

在开头，要跳过的行（0索引）。
skiprows= 1 略去1行的数据，自上而下的开始略去数据的行
skiprows = [a, b, c]，跳过第a+1,b+1,c+1行（索引从0开始）；
skiprows= n，跳过前n行；

14.nrows：int, default None；说白了，需要读取的行数

要读取的行数

New in version 0.23.0.

15.na_values：scalar, str, list-like, or dict, default None

识别为NA / NaN的其他字符串。如果dict通过，则按列显示特定的NA值。默认情况下，以下值解释为NaN：''，‘#N/A’, ‘#N/A N/A’, ‘#NA’, ‘-1.#IND’, ‘-1.#QNAN’, ‘-NaN’, ‘-nan’, ‘1.#IND’, ‘1.#QNAN’, ‘’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘n/a’, ‘nan’, ‘null’.

16.keep_default_na：bool, default True

读取数据时是否包括默认的NaN值。根据是否传入na_values，其行为如下：

如果keep_default_na为 True，并且指定了na_values，则na_values将被追加到用于分析的默认 NaN 值中。
如果keep_default_na为 True，并且未指定na_values，则仅使用默认的NaN 值进行分析。
如果keep_default_na为 false，并且指定了na_values，则仅使用na_values指定的 NaN 值进行分析。
如果keep_default_na为 False，并且未指定na_values，则不会将任何字符串解析为 NaN。

请注意，如果na_filter以 False 格式传入，则keep_default_na和na_values参数将被忽略。

17.na_filterbool, default True

检测缺失值标记（空字符串和na_values的值）。在没有任何NAs的数据中，传递na_filter = False可以提高读取大文件的性能。

18.verbose：bool, default False

指示放置在非数字列中的NA值的数量。

19.parse_dates：bool, list-like, or dict, default False

行为如下：

Bool。如果为 True -> 请尝试分析索引。
list of int or names。例如，如果 [1， 2， 3] -> 尝试将列 1、2、3 列分别解析为单独的日期列。
list of lists列表清单。例如，如果 [[1, 3]] -> 合并列 1 和 3 并解析为单个日期列。
dict，例如 {‘foo’ : [1, 3]} -> 将第1、3列解析为日期，并调用结果'foo'

如果列或索引包含不可解析的日期，则整个列或索引将保留原样作为对象数据类型返回。如果您不想将某些单元格解析为日期，只需在Excel中将其类型更改为“文本”即可。对于非标准的日期时间解析，请pd.to_datetime在之后使用pd.read_excel。

注意：对于 iso8601 格式的日期，存在一条快速路径。

20.date_parser：function, optional

用于将字符串列序列转换为日期时间实例数组的函数。默认使用dateutil.parser.parser进行转换。Pandas 将尝试以三种不同的方式调用date_parser，如果发生异常，则前进到下一个：1）将一个或多个数组（由parse_dates定义）作为参数传递；2）将parse_dates定义的列中的字符串值连接（逐行）到单个数组中并将其传递；和3）使用一个或多个字符串（对应于parse_dates定义的列）作为参数，为每一行调用date_parser。

21.thousands：str, default None

千位分隔符，用于将字符串列解析为数字。请注意，此参数仅对于在Excel中存储为TEXT的列是必需的，无论显示格式如何，任何数字列都将自动解析。

22comment：str, default None

注释掉其余部分。将一个或多个字符传递给此参数以指示输入文件中的注释。注释字符串和当前行末尾之间的所有数据都将被忽略。

23.skipfooter：int, default 0 ；说白了，跳过末尾n行

末尾要跳过的行（0索引）。

24.convert_float：bool, default True

将整数浮点数转换为int（即1.0 –> 1）。如果为False，则所有数值数据都将以浮点数形式读取：Excel将所有数字存储为浮点数。

25.mangle_dupe_cols：bool, default True

重复的列将指定为“ X”，“ X.1”，...“ X.N”，而不是“ X” ...“ X”。如果列中的名称重复，则传递False将导致数据被覆盖。

26.kwds：optional

可选的关键字参数传递给TextFileReader

2.2 Returns 返回值

DataFrame or dict of DataFrames

来自传入的Excel文件的DataFrame。有关何时返回DataFrames字典的更多信息，请参见sheet_name参数中的注释。

2.3 例子

可以使用文件名作为字符串或打开的文件对象来读取文件

>>> pd.read_excel('tmp.xlsx', index_col=0)  
       Name  Value
0   string1      1
1   string2      2
2  #Comment      3
>>> pd.read_excel(open('tmp.xlsx', 'rb'),
...               sheet_name='Sheet3')  
   Unnamed: 0      Name  Value
0           0   string1      1
1           1   string2      2
2           2  #Comment      3

可以通过index_col和header参数指定索引和标头

>>> pd.read_excel('tmp.xlsx', index_col=None, header=None)  
     0         1      2
0  NaN      Name  Value
1  0.0   string1      1
2  1.0   string2      2
3  2.0  #Comment      3

推断列类型，但可以显式指定

>>> pd.read_excel('tmp.xlsx', index_col=0,
...               dtype={'Name': str, 'Value': float})  
       Name  Value
0   string1    1.0
1   string2    2.0
2  #Comment    3.0

True、False 和 NA 值以及数千个分隔符具有默认值，但也可以显式指定。提供您希望的值作为字符串或字符串列表！

>>> pd.read_excel('tmp.xlsx', index_col=0,
...               na_values=['string1', 'string2'])  
       Name  Value
0       NaN      1
1       NaN      2
2  #Comment      3

可以使用注释kwarg 跳过 Excel 输入文件中的注释行

>>> pd.read_excel('tmp.xlsx', index_col=0, comment='#')  
      Name  Value
0  string1    1.0
1  string2    2.0
2     None    NaN

欢迎关注公众号【喵哥解说】，有1000G关于Python资料等你领取，感谢阅读。

posted @ 2020-05-16 07:27 喵哥解说阅读(650) 评论(0) 编辑收藏举报

刷新页面返回顶部